实验室建设项目绩效评价模型的研究与设计

柴美娟

（浙江工商职业技术学院，浙江 宁波 315012）

随着高等教育的飞速发展，作为高校办学三大支柱之一的实验室也得到了快速发展。各高校在实验室建设的投入逐年增加，各级政府和行业主管部门也有专项资金用于实验室建设。如何提高资金使用效益，如何对已建实训室绩效进行客观、科学地评价，已成为各高校实验室工作中十分重要且亟待解决的问题。

但现有实验室绩效评价方法指标体系存在着一些问题，如不够完善，评价中的主观性和片面性问题无法避免。而在研究和设计实验室绩效评价指标体系的基础上，建立基于BP人工神经网络实验室项目绩效评价模型或许是一个不错的解决途径。实际应用表明，该模型较全面地考虑了实验室项目的各种绩效指标，评价结果较现有传统评价方法更为有效、客观。下面进行具体分析。

1 实验室项目绩效评价体系的构建

所谓绩效评价，是指运用一定的技术方法，采用特定的指标体系，依据统一的评价结束符，通过分析，对业绩和效益做出客观而标准的综合，真实反映现时，预测未来发展前景的管理控制系统。从实验室建设项目绩效评价来看，其评价体系主要可分为两部分：一部分为业务指标，另一部分为财务指标。业务指标主要从项目目标设定情况、目标完成程度、资产配置与使用、学校和社会效益和可持续影响等方面进行评价。财务指标主要从项目资金落实情况、实际支出情况、财务管理状况等方面进行分析和评价。因此，本文在实验室绩效评价体系的构建中，综合考虑体系的实际操作性、兼容性和重点性等因素的前提下，提出了两大指标，多级分项指标的绩效评价指标体系和标准。具体内容如表1所列：

表1 实验室建设项目绩效评价指标及标准

2 实验室项目绩效评价模型的建立

2.1 BP人工神经网络算法在实验室项目绩效评价模型中的引入

传统的实验室项目绩效评价一般采用专家评价法，由学校或主管部门组织专家组对所申报项目的各评价指标进行打分，然后使用加权平均法求出该项目的总体评价分，以评价分的高低来表示项目绩效的好坏。

传统的评价方法有一个比较突出的缺点，即各评价指标的权重是人为设定，各指标对评价总分的影响完全凭人为经验确定，这种评价结构易受评价人员主观意识的影响和经验、知识的局限，带有主观性和片面性。

人工神经网络是由大量称为神经元的简单信息广泛连接组成的复杂网络，用于模拟人类大脑神经网络的结构和行为。近年来，人工神经网络评价方法以其特有的优点——自学习、自组织、自适应能力，克服了主观因素的不足，因此，被越来越广泛地用于项目评价方面。

应用BP人工神经网络对实验室项目绩效进行评价的基本思想是：把用于描述项目绩效的各评价指标值作为神经网络的输入向量，将代表相应绩效评价结果的量值作为神经网络输出，建立一个神经网络模型。使用网络前，用一些典型的已验收完成实验室项目样本训练这个网络，使它所特有的权值系数经过自适应学习后得到正确的内部关系，训练好的神经网络可用于其他实验室项目绩效评审工作。

BP网络的训练过程由两阶段组成。第一步是正向传播阶段：将实验室项目绩效的各评价指标值作为输入样本从输入层输入，经隐层处理后，传向输出层，如果在输出层的输出与期望的输出（项目实际绩效值）不符，则转向第二步反向传播过程。反向传播过程是对连接权和阈值的修改，根据输出层误差值来修改与输出层相连接的权值，然后再修改各层的连接权值和阈值。这种信号正向传播与误差反向传播的各层权值调整过程是周而复始地进行的，直到网络全局误差小于预先设定的一个极小值为止。

输出层连接权值和阀值的调整公式如公式（1）所示：

2.2 BP人工神经网络评价模型的建立

在分析了实验室项目绩效评价指标与人工神经网络的特性后，就可以对该评价模型进行构建，具体步骤如下：

2.2.1 模型输入向量的设计及量化。本文采用表1中的20个三级评价指标作为实验室项目评价模型的神经网络输入向量，输入向量的量化区间为[0，1]。

2.2.2 模型的输出设计。本文把以上量化的20个点作为神经网络模型的输入，最后从神经网络模型中希望得到是该项目的总体绩效评价值，输出结点为1个点，输出向量的取值区间为[0，1]。

2.2.4 传递函数确定。本模型中，整个网络的输入和输出都是0-1之间的连续量，隐含层传递函数可采用tansig，输出层传递函数可采用purelin。

2.2.5 训练方法选择。本模型为小型网络，在内存足够的情况下，采用较为常用的Levenberg-Marquardt训练方法trainlm（）较为适合。

经过上述步骤，所建神经网络模型结构如图1所示：

2.3 实验室项目绩效评价模型的实现

在此采用MATLAB语言建立上述的网络评价模型，然后使用表2中的20个训练样本对该神经网络模型进行训练，使得该模型的权值系数经过自适应学习后得到正确的内部关系。表2中的训练样本取自某高校20个已验收实训室项目作为训练样本，实验室项目涉及建筑、信息电子、艺术、商务、模具等各类专业群。

表2 实验室建设项目立项评价表

神经网络的测试：为验证已训练网络模型的有效性和实用性，选取另一所高校的20个已建实训室项目对该网络进行测试，然后检查神经网络输出的评价目标值与实际绩效值之间的误差，其比较结果如表3所示。

表3 网络模型测试结果比较

从表3可以看出，通过测试得到的网络输出值与实训室项目实际执行后绩效值非常接近，表明该网络模型具有较好的通用性和有效性。

3 结束语

实验室是培养人才、创造成果的重要基地，实验室项目绩效评价是对前期建设的一个总结，也是后续建设和使用的开端。本文所研究和设计的基于BP人工神经网络实验室项目绩效评价模型，作为项目绩效评价阶段的一种辅助决策工具，能较客观地对实验室项目进行绩效评价，辅助决策者决策，提高投资效益，使实验室管理真正走上正规化、科学化、系统化的道路。

[1]李岱素.提高实验室投资效益的研究与实践[J].科技管理研究，2007，（11）.

[2]潘蕾.提高实验室投资效益的研究与实践[J].实验室研究与探索，2008，（2）.

[3]飞思科技产品研发中心.神经网络理论与MATLAB7实现[M].北京：电子工业出版社，2005.

[4]周志华.神经网络及其应用[M].北京：清华大学出版社，2004.